智東西
作者 | 長頸鹿
編輯 | 李水青
智東西4月12日報道，昨日大數據分析和指標平臺供應商Kyligence（硅智信息）召開了數智論壇暨春季發布會，并分享和探討Data+AI產品及解決方案在金融、零售、制造等行業落地的思考和經驗。
Kyligence最新AI解決方案正式發布，該方案由智能?站式指標平臺Kyligence Zen以及內置AI數智助理Kyligence Copilot構成，能夠解決AI與指標融合的問題，論壇分享了AI-數據、AI-業務相融合的領先案例和未來趨勢。
▲Kyligence的AI數智助理
智東西與少數媒體對Kyligence聯合創始人兼CTO李揚、Kyligence解決?案與服務總監?甜進行了采訪。
Kyligence Copilot是基于Kyligence Zen的AI數智助理，通過融合最新的通?AI?模型技術，幫助管理者智能評估業務運營的進展、定位?風險?標、發現趨勢和瓶頸，并提供決策建議。AI解決方案框架通過?然語?對話即可完成圍繞業務指標的分析和洞察。
當智東西問到最新AI解決方案與去年有什么新的升級時，李揚回答道，相比于去年來說，今年這個方案是有著巨大的飛躍。他表示，去年從方案角度來說指標平臺和數智助理更像是一個毛坯和小樣；而最新的AI解決方案融入了企業中真實的場景，進而能夠解決真實的問題。
▲Kyligence的AI核心技術
當智東西問到Kyligence的大模型落地還面臨什么挑戰時，Kyligence解決方案與服務總監甘甜稱，對于較復雜和口語化的自然語言，Kyligence AI解決方案對此的意圖識別仍然在攻關。此外，該產品仍然依賴于專業的業務人員的感知，公司相信在未來，AI解決方案會努力朝著貼合自然語言這個方向前進。
來自德勤和Kyligence的多位嘉賓分享了Data+AI現階段在企業場景中落地的痛點，并帶來AI+指標平臺在金融、零售、制造、醫藥等行落地的最新成果。
一、AI對話達成95%準確率，100%可解釋性
Kyligence CTO李揚分享了Kyligence在部分領先企業落地Data+AI的最新成果。他稱，AI商用化的必要條件是在數智中真實應用下擁有95%的準確性和100%的可解釋性，而Kyligence已經在某頭部城商行的真實場景中做到了這點。最新AI解決方案為AI進一步在銀行進行大規模的推廣和應用打下了堅實的基礎。
▲為什么AI對話落地需要高準確率和可解釋性
Kyligence Zen的目標管理與指標對齊功能，使得組織能夠從管理者視角，將企業管理分解為相關目標，并設置合理的結果或過程指標，并持續追蹤、對比，進一步驅動組織的數字化轉型。從而達到對齊團隊目標和加速業務閉環的目的。
Kyligence AI解決方案基于自然語言轉化成指標查詢，如何確保這個指標的準確性？如何保證起初的指標定義的準確性？如何去規避掉這種人為的錯誤？
李揚解釋道，首先，我們比較高的準確性和可靠性就來自于我們獨創的目標管理與指標對齊功能。
他提出一個問題，一個AI到底是在做什么工作？
如果AI的工作是幫助一個程序員把代碼寫得更快、更好，那么編程語言則更為合適。但換過來說，如果AI的這個角色崗位是業務助理，他的用戶大概率是一個不懂技術的業務人員，如果AI回答的有所偏頗，那業務人員其實是無法去檢查他的真實性和可靠性，所以對于AI結合業務落地，通過更清晰易懂的自然語言轉化成指標查詢才是AI由技術轉向市場的解決方案。
再說到指標，為什么選指標而不是一些別的這個東西。因為指標是業務人員可以理解的數據語言，那么我們看來最合適的就是業務人員可以理解的數據。
那么又沿著另外一個事情，怎么去把這個指標做到這個標準化和統一化。大家在跨部門溝通協作的時候會發現，可能每個部門對銷售額和成本的定義都不一樣，那在這種情況下面，人在跨部門交流的時候也要去澄清，同樣，Kyligence的AI指標指標平臺和數智助理也要管理者在指令上進行定義。
只有當指標數據對齊到業務目標，才能真正意義上實現數據驅動的決策和增長。
萬事開頭難，只有通過累計的知識點才能達到高質量的Data+AI，用高質量的實際數據來訓練和決策數據，才能把長期的人工智能做下去。
二、落地醫療、餐飲等行業，Kyligence提供針對性服務
Kyligence已合作于多家藥企、餐飲企業和頭部銀行，甘甜將這些落地實踐的案例整理起來來解釋產品的實用性。他認為每個業務有不同的分析角度，Kyligence的AI解決方案能夠給出針對性的風險指標和加強管理建議，把人物直接發送給業務的直接負責人，幫助實現更高效的業務辦理。
▲Kyligence的AI解決方案助力某頂流餐飲
▲Kyligence的AI解決方案與某頭部藥企攜手合作
▲Kyligence的AI解決方案服務于某頭部銀行
在落地AI應用時，企業需要圍繞核心業務流程挖掘“小切口、大縱深”的大模型應用場景，搭建變革業務模式的“殺手級場景”；與此同時，大模型仍然依賴大規模的訓練數據，尤其是高質量的數據；企業需要更加關注構建自己的“數據壁壘”，將業務數據沉淀為指標資產。
負責德勤中國AI戰略落地的尤忠彬，以“內功不變”應“時代萬變”—大模型時代企業的制勝之道來解釋AI行業的落地。他介紹并分享了過去和現在模型迭代的速度，并表示大模型行業的快速變化讓機構面臨挑戰。
他重點強調了五個不變的因素：完整的AI戰略，即如何影響企業競爭格局，對于AI有著相對清晰的愿景式描繪；垂直場景的同質化明顯且業務深度不足；“紫領人才”的供應斷層，強化對職業人才的重視度；管控新型AI風險，提高人工智能透明度和可解釋性；以及人工智能時代成功要素——數據基礎，企業內部領域知識的運營會越來越強化。
正如尤忠彬所述，在快速變化的AI時代，企業應當保持定力，持續圍繞戰略、人才、風險、數據、生態等“不變”關鍵要素重點建設。
三、持續扎實AI基礎要素，規避AI產品風險
企業和商業用戶更在意的其實不放心是把數據交給給大模型，認為AI有多重的不可靠因素。對此Kyligence的兩位出席人員表明，Kyligence Zen指標平臺能夠智能的一站式解決，大模型實際上不會獲得任何數據，也不會直接查詢數據。AI數智助理Kyligence Copilot可集成用戶認證系統如AAD，還可根據組織架構配置用戶的數據訪問權限。Kyligence AI解決方案結合數智助理獲取主要數據，通過通用大模型給出一些原因，對應的行動建議，形成閉環。因此，Kyligence的解決方案通過指標查詢，在指標系統得到保障。
▲Kyligence指標平臺保障數據安全
Kyligence的AI解決方案對接了國內外通用大模型，能夠更好的支持高度口語化的業務問題，完成提供更加符合指標平臺的答案。讓更多的業務通過自然語言獲取指標數據，獲得指標緯度，進一步快速定義指標問題。
也就是說，AI解決方案在已經創建好的指標體系的基礎上，去對指標做進一步的數據以及對應的指標的上升或者下降的歸因分析。
▲Kyligence的AI解決方案能夠回答準確
和業務一起共創是AI解決方案的一個亮點，通過業務指標的方式，讓客戶自己做交互式的修訂和更改。這類似于讓企業先定義一套類似于考核體系的指標，然后再進行智能分析。
結語：AI+數據分析，降低數據使用門檻
Kyligence以AI+指標平臺這一全新的形式滿足企業復雜多樣的分析需求，提高了商業洞察的質量和決策效率；還結合最新的生成式AI 技術，在一線人員范圍推廣并使用AI數智助理，進一步降低業務人員使用數據的門檻；最后Kyligence創新性的分析眾多真實場景，使業務評估更為精準。
但Kyligence的AI解決方案目前仍面臨著無法識別新業務的感知以及對自然語言處理不夠嫻熟的挑戰。對于處理終端業務和多指標等復雜性需求，國產AI行業在AI技術完全落地的路上仍需繼續探索。
